Penerapan Metode Rayleigh dalam Prediksi Keandalan pada Aplikasi Berbasis Web
|
|
- Ratna Chandra
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ISSN : e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 5928 Penerapan Metode Rayleigh dalam Prediksi Keandalan pada Aplikasi Berbasis Web Putu Agus Suardana S1 Teknik Informatika Fakultas Teknik Universitas Telkom Bandung, Indonesia agussuardana22@gmail.com Abstrak Reliability prediction merupakan salah satu cara yang dapat kita lakukan untuk prediksi tingkat keandalan sebuah aplikasi. Dengan melakukan prediksi sejak tahap awal pembangunan aplikasi, output yang dihasilkan juga memiliki keandalan yang jauh lebih baik. Salah satu metode yang dapat digunakan untuk memprediksi keandalan sebuah sistem yaitu metode Rayleigh. Implementasi metode ini akan dilakukan sejak tahap awal pembangunan sistem. Sehingga sebelum aplikasi tersebut ke tangan pengguna, kita sudah dapat membayangkan keandalan yang dimiliki oleh aplikasi tersebut nantinya. Prediksi ini juga berguna dalam meningkatkan kualitas dalam proses desain dan pengambilan keputusan untuk proses selajutnya. Kata kunci : aplikasi berbasis web, keandalan sistem, reliability prediction, metode Rayleigh. 1. Pendahuluan Teknologi web services didasarkan pada konsep komputasi serviceoriented. Web services merupakan standar yang mengintegrasikan aplikasi berbasis web melalui koneksi dan pertukaran proses bisnis antar jaringannya. Aplikasi berbasis web ini mengacu pada aplikasi yang diakses melalui web browser pada jaringan. Aplikasi berbasis web ini banyak diperlukan pada lingkup interaksi bisnis antar jaringan, misalnya beberapa perusahaan luar negeri yang melakukan outsourcing proyek satu sama lain [1]. Desainer aplikasi berbasis web harus mengatasi banyaknya tantangan selama proses pengembangan desain dalam rangka memenuhi kualitas kebutuhan layanan, termasuk di dalamnya kecepatan, keadalan, dan kemanan. Dalam beberapa tahun terakhir banyak aplikasi berbasis non-web telah ditulis ulang dengan berbasis web karena kebutuhan bisnis yang terus berkembang [2]. 1
2 ISSN : e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 5929 Para pengembang aplikasi hingga saat ini masih berusaha untuk membangun sebuah aplikasi yang handal dengan tingkat kualitas yang dapat diterima oleh user [3]. Salah satu ukuran dalam mengukur kualitas aplikasi adalah reliabilitas atau keandalan dari sistem tersebut. Keandalan software dapat didefinisikan sebagai peluang suatu komponen atau operasi software yang dilakukan tanpa mengalami kesalahan atau defect selama periode waktu tertentu dalam lingkungan tertentu [4]. Software defect adalah error, kegagalan (failure), atau kesalahan (fault) dalam sebuah program komputer atau sistem yang menghasilkan hasil yang salah atau hasil yang tidak terduga, dan menurunkan kualitas dari software [5]. Dengan melakukan prediksi keandalan ini, kita dapat mengevaluasi tingkat keandalan sistem bahkan sejak tahap awal pelaksanaan proyek. Prediksi ini juga dapat membantu dalam hal mengevaluasi kelayakan dari reliability requirement yang diusulkan serta memberikan landasan yang rasional terhadap proses desain dan pengambilan keputusan. Metode yang digunakan dalam penulisan ini adalah metode Rayleigh yang masih merupakan anggota dari keluarga distribusi Weibull [6]. Metode ini melakukan prediksi kesalahan dari waktu ke waktu selama masa pembangunan aplikasi berbasis web. Data yang digunakan pada jurnal ini merupakan data defect pada tahap awal pembangunan aplikasi Prosys (Project Information System) milik PT Rekayasa Industri, Jakarta. 2. Related Work Fungsi dari model Rayleigh ditemukan pertama kali oleh fisikawan Inggris Lord Rayleigh dalam karyanya yang berkaitan denan hamburan gelombang akustik dan elektro-magnetik. Secara empiris model ini juga mampu digunakan dengan baik pada sejumlah proses desain dengan feedback yang sangat signifikan sebagai bagian dari proses solusi. Pada perkembangan selanjutnya telah dilakukan penelitian juga bahwa model kehandalan Rayleigh ini sangat mendekati data defect yang sebenarnya dari proyek yang dikumpulkan pada upaya pengembangan software [7]. Pada tahun 1982, Trachtenberg [8] memeriksa histori defect per bulan pada proyek software yang diujinya dan menemukan bahwa pola dari defect yang dihasilkan menyerupai kurva Rayleigh. Pada tahun 1984, Gaffney dari divisi Federal System IBM mampu memproyeksikan jumlah laten dari data defect yang diperkirakan muncul dengan memodelkan data yang dimilikinya menggunakan model Rayleigh [9]. Putnam juga melakukan pekerjaan yang di dalamnya terdapat penggunaan dari model Rayleigh untuk mengestimasi jumlah dari software defect [10]. 2
3 ISSN : e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page Metode Rayleigh Metode yang digunakan pada penelitian ini adalah metode Rayleigh. Metode Rayleigh merupakan salah satu model dari distribusi Weibull [6]. Salah satu karakteristik yang khas dari metode ini adalah ujung ekor dari PDF (Probability Density Function) akan terus mendekati nol, tetapi tidak pernah menyentuh nilai tersebut. Berikut ini merupakan rumus CDF (Cumulative Distribution Function) dan PDF (Probability Density Function) dari metode Rayleigh: = (ݐ) 1 ( ) ݐ (ݐ) = ݐ ( ) ݐ Nilai merupakan parameter shape, adalah parameter scale, dan adalah time. Ketika diaplikasikan pada software, PDF juga sering diartikan sebagai tingkat kepadatan cacat (defect density) sepanjang waktu atau pola kemunculan defect sedangkan CDF berarti pola kemunculan defect secara kumulatif [6]. Model prediksi Rayleigh merupakan model yang paling cocok digunakan untuk melakukan prediksi keandalan suatu software diantara keluarga model distribusi weibull lainnya [11]. Model ini memprediksi jumlah kepadatan defect yang diharapkan pada berbagai fase proyek setelah parameter untuk grafik ditentukan. Parameter ini adalah jumlah total defect seluruh fase dan puncak grafik dalam satuan waktu. Jumlah defect yang ditemukan pada setiap fase akan mengikuti distribusi numerik yang dicari dengan menggunakan persamaan Rayleigh. Estimasi dari jumlah total defect secara keseluruhan diperoleh dengan menggunakan analisis persamaan regresi non-linier dengan data defect dari fase requirement dan desain. Estimasi jumlah defect dari fase yang lainnya dapat dicari dengan menggunakan persamaan rumus PDF model ini. Hasil perhitungan dengan menggunakan metode ini nantinya akan mengikuti grafik Rayleigh seperti Gambar 1. Gambar 1. Grafik Rayleigh 3
4 ISSN : e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 5931 Berdasarkan Gambar 1 di atas, grafik Rayleigh digambarkan dengan sumbu x adalah fase dari siklus pembangunan software dan sumbu y adalah jumlah atau banyaknya defect yang ditemukan untuk setiap fasenya. Daerah di bawah grafik menggambarkan total dari keseluruhan defect yang muncul selama siklus pembuatan software. Kelebihan dari metode Rayleigh ini dalam melakukan prediksi tingkat keandalan adalah mampu menghitung prediksi kemunculan defect pada setiap fase sejak tahap awal pembangunan aplikasi yang diuji. Hal ini disebabkan karena metode Rayleigh melakukan prediksi pada setiap fase yang digunakan. Selain itu metode ini juga dapat digunakan bersamaan dengan model yang lain dalam memprediksi kehandalan sebuah aplikasi atau software. Namun kekurangan dari metode ini adalah jumlah defect harus dicari pada setiap fase pembangunannya yang kemudian dimodelkan dalam bentuk grafik untuk melihat perbandingan tingkat keandalan terhadap data prediksinya. Jadi penerapan metode Rayleigh ini akan lebih efektif diterapkan pada proyek yang memiliki skala medium ke atas dengan struktur pembangunan yang baik sesuai dengan siklus pengembangan proyek yang digunakan. 3.1 Prediksi Regresi Non-Linier Dalam metode Rayleigh terdapat perhitungan untuk mencari parameter K menggunakan data defect aktual yang diberikan pada fase awal. Parameter K ini merupakan jumlah total defect dari keseluruhan fase yang diprediksi. Persamaan CDF (Cumulative Distribution Function) dari fungsi Rayleigh, yaitu: (ݐ) = 1 Parameter Peak merupakan fase dengan jumlah defect tertinggi yang akan dijelaskan lebih lanjut pada sub bab selanjutnya. Model regresi nonlinier yang digunakan untuk menghitung nilai K ini adalah dengan menggunakan model eksponen. Taksiran dari model eksponen ini dapat ditulis dengan rumus: = atau dalam bentuk logaritma, log = log + (log ) Dengan a dan b adalah konstanta, sedangkan Y merupakan variabel terikatnya dan X sebagai variabel bebas. Dalam menghitung nilai K dari fungsi Rayleigh, yang menjadi variabel terikat adalah fase dari pembangunan aplikasi berbasis web. Sedangkan variable bebasnya adalah jumlah defect pada masing-masing fase tersebut. Dalam bentuk logaritma, nilai a dan b dapat dicari dengan menggunakan rumus: log log = (log ) ( log ) ( )( ) ݕ log log = ( ) 4
5 ISSN : e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page Persamaan Fungsi Rayleigh Metode yang akan diimplementasikan untuk melakukan prediksi tingkat keandalan sebuah aplikasi berbasis web adalah metode Rayleigh. Metode ini akan melakukan prediksi jumlah defect yang muncul selama siklus pembangunan aplikasi berbasis web. Fungsi dalam metode Rayleigh ini mengikuti persamaan berikut [6]: (ݐ, ݐ (, = (ݐ) Parameter pada rumus di atas merupakan nilai kumulatif dari defect density, ݐ merupakan waktu aktual, dan ݐ merupakan waktu pada titik puncak grafik. Sebelum merepresentasikan grafik Rayleigh, parameter dan ݐ harus diperkirakan dan ditentukan nilainya terlebih dahulu dengan menggunakan analisis regresi non-linier. Setelah semua parameter terdefinisi, perhitungan dapat dilakukan dan grafik dapat dibuat sesuai dengan interval waktu yang digunakan. Persamaan dari fungsi Rayleigh mengikuti formula sebagai berikut [6], 1 = ݐ ) ( ݐ sedangkan Parameter Peak merupakan merepresentasikan sebuah fungsi jumlah terhadap defect waktu secara ݐ keseluruhan, grafik mencapai puncaknya, dan ݐ merupakan waktu pada saat fase, yaitu ketika tertentu. Parameter Peak dapat dicari hasilnya dengan mengunakan rumus berikut [6]: ݐ = 5
6 ISSN : e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page Pembahasan 4.1 Arsitektur Sistem Sistem yang dibangun akan melakukan proses prediksi terhadap tingkat keandalan yang dimiliki oleh sebuah aplikasi berbasis web dengan menggunakan metode Rayleigh. Proses prediksi tingkat keandalan dilakukan dengan cara mengimplementasikan metode Rayleigh ke dalam sebuah aplikasi/tool. Input dari aplikasi ini adalah data defect pada tahap awal pembangunan aplikasi berbasis web yang diuji. Data defect ini selanjutnya akan lebih sering disebut dengan data defect aktual (data cacat yag sebenarnya). Secara umum, arsitektur sistem yang dibangun digambarkan dalam flowchart di bawah ini. Gambar 2. Arsitektur sistem 4.2 Analisis Hasil Eksperimen Prediksi Data Defect Pengujian aplikasi web Prosys ini dilakukan dengan menggunakan data defect aktual pada tahap awal pembangunan aplikasi web ini. Data defect ini didapatkan dengan melakukan review terhadap dokumen SRS (Software Requirement Spesification). Berdasarkan hasil review yang sudah dilakukan didapatkan 16 buah defect. Data defect ini akan digunakan sebagai data input untuk menghitung jumlah data defect prediksi yang akan muncul pada fase selanjutnya hingga fase akhir pembangunan aplikasi web Prosys. 6
7 ISSN : e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page Gambar 3. Grafik prediksi aplikasi web Prosys Setelah memasukkan data defect aktual aplikasi web Prosys, maka akan ditampilkan grafik seperti pada gambar di atas. Grafik akan menampilkan jumlah data prediksi yang dihitung dengan menggunakan persamaan Rayleigh. Data prediksi ini akan menjadi acuan jumlah defect aktual pada pembangunan aplikasi web Prosys untuk tahap selanjutnya. Jika ternyata pada tahap I1 jumlah defect aktual yang didapatkan nantinya melebihi nilai 21, maka dapat disimpulkan pada fase I1 pembangunan aplikasi web Prosys memiliki defect yang melebihi dari data prediksinya. Berdasarkan data tersebut tim pengembang aplikasi dapat menyimpulkan secara sementara bahwa pembangunan aplikasi web Prosys memiliki tingkat keandalan yang lebih rendah dibandingkan dengan data prediksinya. Dengan kesimpulan sementara ini tim pengembang aplikasi juga dapat menentukan usaha agar data defect yang diperoleh pada fase selanjutnya lebih sedikit dari jumlah data prediksinya Pengukuran Tingkat Keandalan Pengukuran tingkat keandalan dapat dilakukan setelah semua data defect aktual diberikan hingga fase keenam selama proses pembangunannya. Tingkat keandalan yang dimiliki oleh proyek A dapat dihitung dengan membandingkan jumlah total dari defect aktual dan defect prediksinya. = ݐ ݐ ݐݐ 1 100% ݐݑ ݐ ݐݐ 7
8 ISSN : e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page Kesimpulan Pengukuran tingkat keandalan sebuah software pada tahap awal pembangunannya dapat mengurangi total biaya proyek yang dikeluarkan serta meningkatkan efektifitas waktu yang dibutuhkan selama proses pembangunan software tersebut. Salah satu metode yang dapat diterapkan untuk memprediksi tingkat keandalan aplikasi adalah metode Rayleigh. Penerapan metode Rayleigh dalam memprediksi tingkat keandalan aplikasi berbasis web adalah dengan memprediksi jumlah total defect yang akan dihasilkan berdasarkan pada data defect yang ditemukan pada tahap awal pembangunan aplikasi berbasis web. Data prediksi ini akan menjadi acuan tingkat keandalan dari aplikasi web yang diuji. Referensi [1] A.-F. Sabah, Deweloping Web Application, International Journal of Software Engineering and it's Applications, vol. 5, no. 2, pp , [2] R. Sridaran, G. Padmavathi dan K. Iyakutti, A Survey of Design Pattern Based Web Application, Journal Of Object Technology, vol. 8, no. 2, pp , [3] A. K. Pandey dan N. K. Goyal, Background: Software Quality and Reliability Prediction, dalam Early Software Reliability Prediction, Studies in Fuzziness and Soft Computing, India, Springer, 2013, pp [4] M. Razeef dan N. Mohsin, Software Reliability Growth Models: Overview and Applications, Journal of Emerging Trends in Computing and Information Sciences, vol. 3, no. 9, pp , [5] R. S. Wahono dan N. Suryana, Combining Particle Swarm Optimzation based Feature Selection and Bagging Technique for Software Defect Prediction, International Journal of Software Engineering and its Application, vol. 7, no. 5, pp , [6] S. H. Khan, Metrics and Models in Software Quality Engineering, Canada: Pearson Education, Inc., February [7] Quantitative Software Management, [Online]. Available: [Diakses 14 March 2015]. [8] M. Trachtenberg, Discovering How to Ensure Software Reliability, pp , Jan- Feb [9] J. Gaffney dan E. John, On Predicting Software Related Performance of Large-Scale Systems, dalam Tenth International Computer Measurement Group Conference, San Fransisco, [10] L. H. Putnam, A General Empirical Solution to the Macro Software Sizing and Estimating Problem, Ieee Transactions On Software Engineering, Vol. %1 dari %2SE-4, no. 4, pp , [11] V. Alagappan, Leveraging Defect Prediction Metrics in Software Program Management, International Journal of Computer Applications, vol. 50, no. 20, pp ,
ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER A. Musdalifa, Raupong, Anna Islamiyati Abstrak Estimasi parameter adalah merupakan hal
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN
Lebih terperinciKAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN SIX SIGMA. Victoria Dwi Murti 1, Sudarno 2, Suparti 3
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 241-248 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN
Lebih terperinciPENERAPAN KONSEP SAAS (SOFTWARE AS A SERVICE) PADA APLIKASI PENGGAJIAN
PENERAPAN KONSEP SAAS (SOFTWARE AS A SERVICE) PADA APLIKASI PENGGAJIAN Andy Prasetyo Utomo Fakultas Teknik, Program Studi Sistem Informasi Universitas Muria Kudus Email: andyutomo@gmail.com ABSTRAK Salah
Lebih terperinciPENENTUAN INTERVAL WAKTU PEMELIHARAAN PENCEGAHAN BERDASARKAN ALOKASI DAN OPTIMASI KEHANDALAN PADA PERALATAN SEKSI PENGGILINGAN E
PENENTUAN INTERVAL WAKTU PEMELIHARAAN PENCEGAHAN BERDASARKAN ALOKASI DAN OPTIMASI KEHANDALAN PADA PERALATAN SEKSI PENGGILINGAN E (Studi Kasus: PT ISM Bogasari Flour Mills Surabaya) Edi Suhandoko, Bobby
Lebih terperinciPENJAMINAN KUALITAS SOFTWARE pada SIKLUS HIDUP PENGEMBANGAN PERANGKAT LUNAK PROTOTYPING
PENJAMINAN KUALITAS SOFTWARE pada SIKLUS HIDUP PENGEMBANGAN PERANGKAT LUNAK PROTOTYPING M. Nasrullah (5209100704) Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember
Lebih terperinci#12 SIMULASI MONTE CARLO
#12 SIMULASI MONTE CARLO 12.1. Konsep Simulasi Metode evaluasi secara analitis sangat dimungkinkan untuk sistem dengan konfigurasi yang sederhana. Untuk sistem yang kompleks, Bridges [1974] menyarankan
Lebih terperinciBAB 1 PENDAHULUAN Latar belakang. Dewasa ini konstruksi bangunan merupakan salah satu langkah yang diperlukan
BAB 1 PENDAHULUAN 1.1. Latar belakang Dewasa ini konstruksi bangunan merupakan salah satu langkah yang diperlukan dalam pengembangan dalam berbagai sektor. Dalam sebuah pembangunan, diperlukannya perancangan
Lebih terperinciJURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: A-403
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 201-9271 A-0 Implementasi Fuzzy Neural Network untuk Memperkirakan Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Ani Rahmadiani dan Wiwik
Lebih terperinciAPLIKASI LOGIKA FUZZY PADA PERAMALAN KEBUTUHAN ENERGI LISTRIK JANGKA PANJANG DI PROVINSI SUMATERA BARAT SAMPAI TAHUN 2018 TUGAS AKHIR
APLIKASI LOGIKA FUZZY PADA PERAMALAN KEBUTUHAN ENERGI LISTRIK JANGKA PANJANG DI PROVINSI SUMATERA BARAT SAMPAI TAHUN 2018 TUGAS AKHIR Sebagai Salah Satu Syarat Untuk Menyelesaikan Program Stratum-1 (S1)
Lebih terperinciSISTEM PREDIKSI HARGA MOBIL AVANZA (BEKAS) MENGGUNAKAN FUZZY INFERENCE SYSTEM DENGAN METODE MAMDANI
SISTEM PREDIKSI HARGA MOBIL AVANZA (BEKAS) MENGGUNAKAN FUZZY INFERENCE SYSTEM DENGAN METODE MAMDANI Normalisa, 2013, Jurnal Teknik Informatika Universitas Pamulang ABSTRAKSI Menentukan harga beli untuk
Lebih terperinciOPTIMASI PERSEDIAAN SUKU CADANG UNTUK PROGRAM PEMELIHARAAN PREVENTIP BERDASARKAN ANALISIS RELIABILITAS
Program Studi MMT-ITS, Surabaya 4 Agustus 27 OPTIMASI PERSEDIAAN SUKU CADANG UNTUK PROGRAM PEMELIHARAAN PREVENTIP BERDASARKAN ANALISIS RELIABILITAS (Studi Kasus di PT. Terminal Peti Kemas Surabaya) Agus
Lebih terperinciKELOMPOK 1. Metode Pengembangan Sistem Informasi. Imelda Florensia Stefani. P.
KELOMPOK 1 Imelda Florensia Stefani. P. Tangkuman Metode Pengembangan Sistem Informasi Pokok Bahasan Metode Pengembangan Sistem Informasi : -CBIS Life Cycle -System Development Life Cycle (SDLC) atau sering
Lebih terperinciModel Waktu Eksekusi dari Logaritma Poisson untuk Mengukur Keandalan Software
Model Waktu Eksekusi dari Logaritma Poisson untuk Mengukur Keandalan Software R.Fenny Syafariani,.S.Si, M.Stat Dosen Tetap Program Studi Sistem Informasi Universitas Komputer Indonesia Abstrak Model keandalan
Lebih terperinciBAB IV HASIL DAN ANALISIS
BAB IV HASIL DAN ANALISIS 4.1 Data Hasil Pengujian Pengujian yang dilakukan menguji masa hidup baterai dengan alat uji masa hidup baterai yang telah dirancang dan dimplementasikan. Pengujian dilakukan
Lebih terperinciREKAYASA ULANG SIM AKADEMIK ITS
REKAYASA ULANG SIM AKADEMIK ITS AGUS BUDI RAHARJO 5109100164 DOSEN PEMBIMBING UMI LAILI YUHANA, S.KOM., M.SC. DR. IR. SITI ROCHIMAH, M.T. LATAR BELAKANG PROSES PEMELIHARAAN TIDAK BAKU DOKUMENTASI WAKTU
Lebih terperinciIMPLEMENTASI METRIK PADA PENGEMBANGAN PERANGKAT LUNAK MAKALAH SKRIPSI
IMPLEMENTASI METRIK PADA PENGEMBANGAN PERANGKAT LUNAK MAKALAH SKRIPSI Disusun oleh : Wahyu Wijanarko 01/148490/TK/26419 JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS GADJAH MADA YOGYAKARTA 2005 LEMBAR
Lebih terperinciKELOMPOK 3. Imelda Florensia Stefani. P. Tangkuman Gladis Ansiga Ariyanto Pakaya Andre Lay
KELOMPOK 3 Imelda Florensia Stefani. P. Tangkuman Gladis Ansiga Ariyanto Pakaya Andre Lay Pokok Bahasan Metode Pengembangan Sistem Informasi : -CBIS Life Cycle -System Development Life Cycle (SDLC) atau
Lebih terperinciANALISA DAN PERANCANGAN BERORIENTASI OBJEK PADA WEBSITE RENCANA PENGEMBANGAN PENDIDIKAN DASAR KOTA
UPI YPTK Jurnal KomTekInfo, Vol. x, No. x, 2017, pp. xx yy Copyright 2017 by LPPM UPI YPTK ANALISA DAN PERANCANGAN BERORIENTASI OBJEK PADA WEBSITE RENCANA PENGEMBANGAN PENDIDIKAN DASAR KOTA Revi Gusriva
Lebih terperinciImplementasi Metode Function Points Untuk Mengestimasi Usaha Pada Proyek Pembangunan Aplikasi Layanan Publik
1 Implementasi Metode Function Points Untuk Mengestimasi Usaha Pada Proyek Pembangunan Aplikasi Layanan Publik Renny Sari Dewi Universitas Internasional Semen Indonesia; Jl Raya Veteran Gresik, +6231 3985482
Lebih terperinciGambar 3.1 Diagram Alir Sistematika Pemecahan Masalah
BAB III METODOLOGI PENELITIAN Metodologi penelitian merupakan metode berpikir untuk menghasilkan tahapan-tahapan yang harus ditetapkan oleh peneliti dalam proses penelitian. Berikut adalah tahapan-tahapan
Lebih terperinciII. TINJAUAN PUSTAKA. Analisis survival (survival analysis) atau analisis kelangsungan hidup bertujuan
II. TINJAUAN PUSTAKA 2.1 Analisis Survival Analisis survival (survival analysis) atau analisis kelangsungan hidup bertujuan menduga probabilitas kelangsungan hidup, kekambuhan, kematian, dan peristiwaperistiwa
Lebih terperinciKELOMPOK 1. Metode Pengembangan Sistem Informasi. Imelda Florensia Stefani. P. 1
KELOMPOK 1 Imelda Florensia Stefani. P. Tangkuman Metode Pengembangan Sistem Informasi @Stefanikha69 1 Pokok Bahasan Metode Pengembangan Sistem Informasi : -CBIS Life Cycle -System Development Life Cycle
Lebih terperinciMENGAPA PROYEK PERANGKAT LUNAK GAGAL ( PENERAPAN MANAJEMEN RESIKO DALAM PROYEK PERANGKAT LUNAK )
MENGAPA PROYEK PERANGKAT LUNAK GAGAL ( PENERAPAN MANAJEMEN RESIKO DALAM PROYEK PERANGKAT LUNAK ) Yasmi Afrizal Dosen Jurusan Manajemen Informatika Universitas Komputer Indonesia ABSTRAK Tingkat kegagalan
Lebih terperinciINTERVAL PENGGANTIAN PENCEGAHAN SUKU CADANG BAGIAN DIESEL PADA LOKOMOTIF KERETA API PARAHYANGAN * (STUDI KASUS DI PT. KERETA API INDONESIA)
Reka Integra ISSN: 2338-5081 Jurusan Teknik Industri Itenas No.02 Vol.4 Jurnal Online Institut Teknologi Nasional April 2016 INTERVAL PENGGANTIAN PENCEGAHAN SUKU CADANG BAGIAN DIESEL PADA LOKOMOTIF KERETA
Lebih terperinciBAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol
BAB II TINJAUAN PUSTAKA A. Regresi Regresi adalah suatu studi statistik untuk menjelaskan hubungan dua variabel atau lebih yang dinyatakan dalam bentuk persamaan. Salah satu variabel merupakan variabel
Lebih terperinciANALISA KEANDALAN PADA PERALATAN UNIT PENGGILINGAN AKHIR SEMEN UNTUK MENENTUKAN JADWAL PERAWATAN MESIN (STUDI KASUS PT. SEMEN INDONESIA PERSERO TBK.
ANALISA KEANDALAN PADA PERALATAN UNIT PENGGILINGAN AKHIR SEMEN UNTUK MENENTUKAN JADWAL PERAWATAN MESIN (STUDI KASUS PT. SEMEN INDONESIA PERSERO TBK.) I Gusti Ngr. Rai Usadha 1), Valeriana Lukitosari 2),
Lebih terperinciHASIL DAN PEMBAHASAN. Gambar 3 Grafik MRE NASA Project.
6 Gambar 3 Grafik MRE NASA Project. HASIL DAN PEMBAHASAN Pengujian dan analisis perkiraan biaya menggunakan Intermediate COCOMO Terhadap 93 Proyek dalam NASA Project akan dilakukan pengujian. Galat pada
Lebih terperinciBAB 4 Pendekatan-Pendekatan Pengembangan Sistem
1 ANALISIS DAN PERANCANGAN SISTEM INFORMMASI BAB 4 Pendekatan-Pendekatan Pengembangan Sistem Disamping metode tradisional SDLC, ada beberapa metode yang dikembangkan untuk melengkapi kelemahan-kelemahan
Lebih terperinciRELIABILITY CENTERED MAINTENANCE DALAM PERAWATAN F.O. SERVICE PUMP SISTEM BAHAN BAKAR KAPAL IKAN
Jurnal Riset dan Teknologi Kelautan (JRTK) Volume 14, Nomor 1, Januari - Juni 2016 RELIABILITY CENTERED MAINTENANCE DALAM PERAWATAN F.O. SERVICE PUMP SISTEM BAHAN BAKAR KAPAL IKAN M. Rusydi Alwi Dosen
Lebih terperinciTeknik Simulasi Untuk Memprediksi Keandalan Lendutan Balok Statis Tertentu
Teknik Simulasi Untuk Memprediksi Keandalan Lendutan Balok Statis Tertentu Yosafat Aji Pranata Abstrak Balok merupakan salah satu elemen struktur utama pada struktur bangunan gedung. Salah satu kriteria
Lebih terperinciLOSS OF LOAD PROBABILITY (LOLP) INDEX UNTUK MENGANALISIS KEANDALAN PEMBANGKIT LISTRIK (Studi Kasus PT Indonesia Power UBP Suralaya)
BIAStatistics (2015) Vol. 9, No. 2, hal. 7-12 LOSS OF LOAD PROBABILITY (LOLP) INDEX UNTUK MENGANALISIS KEANDALAN PEMBANGKIT LISTRIK (Studi Kasus PT Indonesia Power UBP Suralaya) Yulius Indhra Kurniawan
Lebih terperinciSIMULASI Kendalan (Reliability Simulation)*
TKS 6112 Keandalan Struktur SIMULASI Kendalan (Reliability Simulation)* * Pranata, Y.A. Teknik Simulasi Untuk Memprediksi Keandalan Lendutan Balok Statis Tertentu. Prosiding Konferensi Teknik Sipila Nasional
Lebih terperinciBab 2 LANDASAN TEORI
Bab 2 LANDASAN TEORI 2.1. Penaksiran Parameter Jika adalah nilai parameter populasi yang belum diketahui harganya, maka dapat ditaksir oleh nilai statistik, dan disebut sebagai penaksir atau fungsi keputusan.
Lebih terperinciBAB V KESIMPULAN. Pada bab ini akan menyatukan hasil temuan dalam penelitian ini. Pada bagian
BAB V KESIMPULAN 5.1. Pendahuluan Pada bab ini akan menyatukan hasil temuan dalam penelitian ini. Pada bagian pertama, hasil kesimpulan dari penelitian ini. Pada bagian kedua menggambarkan keterbatasan
Lebih terperinciPEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Mike Susmikanti *
PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN Mike Susmikanti * ABSTRAK PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Pemodelan dalam penelitian berbagai bidang khususnya bidang industri, merupakan kebutuhan
Lebih terperinciArsitektur Sistem Informasi. Tantri Hidayati Sinaga, M.Kom.
Arsitektur Sistem Informasi Tantri Hidayati Sinaga, M.Kom. Desain Sistem "Desain sistem dapat didefinisikan sebagai penggambaran dan pembuatan sketsa atau pengaturan dari beberapa elemen yang terpisah
Lebih terperinciPEMODELAN DAN SIMULASI PELUANG KEBANGKRUTAN PERUSAHAAN ASURANSI DENGAN ANALISIS NILAI PREMI DAN UKURAN KLAIM DIASUMSIKAN BERDISTRIBUSI EKSPONENSIAL
ISSN : 2355-9365 e-proceeding of Engineering : Vol.4, No.1 April 2017 Page 1294 PEMODELAN DAN SIMULASI PELUANG KEBANGKRUTAN PERUSAHAAN ASURANSI DENGAN ANALISIS NILAI PREMI DAN UKURAN KLAIM DIASUMSIKAN
Lebih terperinciIMPLEMENTASI METODE LOAD BALANCING DALAM MENDUKUNG SISTEM KLUSTER SERVER
IMPLEMENTASI METODE LOAD BALANCING DALAM MENDUKUNG SISTEM KLUSTER SERVER Sampurna Dadi Riskiono Fakultas Teknik dan Ilmu Komputer, Universitas Teknokrat Indonesia Jl. Z. A. Pagar Alam No.9-11, Labuhan
Lebih terperinciMETODOLOGI PENELITIAN
METODOLOGI PENELITIAN TAHAPAN PENELITIAN TKK6352 Metodologi Penelitian Name Chalifa Chazar Website script.id Email chalifa.chazar@gmail.com Last update : Juli 2016 chalifa.chazar@gmail.com Course Outline
Lebih terperinciOLEH : Riana Ekawati ( ) Dosen Pembimbing : Dra. Farida Agustini W, M.S
OLEH : Riana Ekawati (1205 100 014) Dosen Pembimbing : Dra. Farida Agustini W, M.S Salah satu bagian penting dari statistika inferensia adalah estimasi titik. Estimasi titik mendasari terbentuknya inferensi
Lebih terperinciGaris-garis Besar Program Pembelajaran (GBPP)
Garis-garis Besar Program Pembelajaran (GBPP) Judul Matakuliah Bobot Matakuliah Kode Matakuliah : Rekayasa Perangkat Lunak : 3 SKS : Deskripsi Matakuliah Kompetensi Umum Text Book Melalui mata ajar ini
Lebih terperinciTOPIK PENELITIAN MAHASISWA PRODI S-1 SISTEM INFORMASI UNIVERSITAS U'BUDIYAH INDONESIA TAHUN AJARAN 2015/2016
TOPIK PENELITIAN MAHASISWA PRODI S-1 SISTEM INFORMASI UNIVERSITAS U'BUDIYAH INDONESIA TAHUN AJARAN 2015/2016 Bidang Ilmu : Sistem Informasi NO TOPIK PENELITIAN SUB TOPIK Arsitektur, Dukungan layanan Algortitma
Lebih terperinciDistribusi Weibull Power Series
Distribusi Weibull Power Series Maulida Yanti 1, Sarini S.Si.,M.Stats 2 1 Mahasiswa Departemen Matematika, FMIPA UI, Kampus UI Depok, 16424 2 Staff Pengajar Departemen Matematika, FMIPA UI, Kampus UI Depok,
Lebih terperinciESTIMASI INTERVAL KEPERCAYAAN (CONFIDENCE INTERVAL) PARAMETER MODEL PROSES GEOMETRIK WEIBULL PADA ANALISIS UJI HIDUP UNTUK DATA TERSENSOR TIPE II
ESTIMASI INTERVAL KEPERCAYAAN (CONFIDENCE INTERVAL) PARAMETER MODEL PROSES GEOMETRIK WEIBULL PADA ANALISIS UJI HIDUP UNTUK DATA TERSENSOR TIPE II Asep Solih A 1* Rini Cahyandari 2 Tarkinih 3 123 Program
Lebih terperinciAnalisis Business Process Model Similarity Checking Menggunakan Teknik Greedy Graph Matching
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 5850 Analisis Business Process Model Similarity Checking Menggunakan Teknik Greedy Graph Matching Fadhilah Dwiyanti Basri Telkom
Lebih terperinciPerbandingan Prediksi Durasi Proyek Antara Pendekatan Matematis dan Kumulatif
Perbandingan Prediksi Durasi Proyek Antara Pendekatan Matematis dan Kumulatif Rizka Chairunnisa 1, Roy Handyawan 2, Adi Kurniawan Parjono 3 dan Basuki Anondho 4 1 Alumni Teknik Sipil, Universitas Tarumanagara,
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI LOG-LOGISTIK PADA DATA SURVIVAL TERSENSOR TIPE II
ESTIMASI PARAMETER DISTRIBUSI LOG-LOGISTIK PADA DATA SURVIVAL TERSENSOR TIPE II Ryndha, Anna 2, Nasrah 3 ABSTRAK Data survival adalah data yang menunjukkan waktu suatu individu atau objek dapat bertahan
Lebih terperinciAnalisa dan Perancangan Sistem Informasi. Pengantar System Analyst. Ir. Hendra,M.T., IPP Dosen STMIK IBBI
Analisa dan Perancangan Sistem Informasi Pengantar System Analyst Ir. Hendra,M.T., IPP Dosen STMIK IBBI Definisi System Himpunan dari elemen-elemen yang berinteraksi satu sama yang lain untuk mencapai
Lebih terperinciPENENTUAN INTERVAL WAKTU PEMELIHARAAN PENCEGAHAN BERDASARKAN ALOKASI DAN OPTIMASI KEHANDALAN PADA CONTINUES SOAP MAKING
PENENTUAN INTERVAL WAKTU PEMELIHARAAN PENCEGAHAN BERDASARKAN ALOKASI DAN OPTIMASI KEHANDALAN PADA CONTINUES SOAP MAKING (CSM) (Studi Kasus: PT X Indonesia) Aji Mudho A., Bobby Oedy P. Soepangkat Program
Lebih terperinciMeeting 5_ADS. SDLC : Analysis Phase
Meeting 5_ADS SDLC : Analysis Phase Review Materi Sebelumnya Tahap planning Aktivitas dalam tahap planning Capaian Pembelajaran Menginvestigasi kebutuhan sistem pada sebuah studi kasus dengan tepat Sub
Lebih terperinciAnalisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra
Analisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra Meirista Wulandari Jurusan Teknik Elektro, Universitas Tarumanagara, Jakarta, Indonesia meiristaw@ft.untar.ac.id Diterima 10 Desember 016
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi dan informasi telah berdampak pada semua bidang. Semakin banyaknya aplikasi yang dapat mendukung mengerjakan suatu pekerjaan tertentu agar menjadi
Lebih terperinciRekayasa Perangkat Lunak. Tujuan
Rekayasa Perangkat Lunak Arna Fariza Politeknik Elektronika Negeri Surabaya Rekayasa Perangkat Lunak 1 Tujuan Mengetahui bagaimana melakukan rekayasa terhadap sebuah perangkat lunak Mengetahui software
Lebih terperinciBAB II LANDASAN TEORI. teknis yang dikosentrasikan untuk produk atau layanan yang spesifik. Helpdesk
BAB II LANDASAN TEORI 2.1 Helpdesk Menurut Donna Knapp (2004), definisi helpdesk adalah sebuah alat untuk mengatasi persoalan yang didesain dan disesuaikan untuk menyediakan layanan teknis yang dikosentrasikan
Lebih terperinciSumbu X (horizontal) memiliki range (rentang) dari minus takhingga. ( ) hingga positif takhingga (+ ). Kurva normal memiliki puncak pada X
Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga ( ) hingga positif takhingga (+ ). Kurva normal memiliki puncak pada X = 0. Perlu diketahui bahwa luas kurva normal adalah satu (sebagaimana
Lebih terperinciKEBIJAKAN OPTIMAL PENGGANTIAN KOMPONEN BERBASIS UMUR UNTUK PREVENTIVE MAINTENANCE PADA CNC PLATE CUTTING
KEBIJAKAN OPTIMAL PENGGANTIAN KOMPONEN BERBASIS UMUR UNTUK PREVENTIVE MAINTENANCE PADA CNC PLATE CUTTING M. Imron Mustajib 1, Ulin Nuha 2, dan Nahnul Ansori 3 1,2,3 Program Studi Teknik Industri, University
Lebih terperinciPENERAPAN LEAST SQUARE METHOD UNTUK PERAMALAN PENJUALAN DI HIJABSTORY BANDUNG
PENERAPAN LEAST SQUARE METHOD UNTUK PERAMALAN PENJUALAN DI HIJABSTORY BANDUNG Wendi Wirasta, Muhamad Luthfi Ashari 2 Program Studi Teknik Informatika, STMIK & Ilmu Komputer LPKIA Jl. Soekarno Hatta 456,
Lebih terperinciPERBANDINGAN V-MODEL TRADISIONAL DAN ADVANCE V-MODEL
PERBANDINGAN V-MODEL TRADISIONAL DAN ADVANCE V-MODEL Windi Eka Y.R, Saiful Bukhori, Dhani Ismoyo Program Studi Sistem Informasi Universitas Jember Email : windi.ilkom@unej.ac.id Abstrak V-Model merupakan
Lebih terperinciPENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO
PENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO Magdalena Simanjuntak Program Studi Teknik Informatika, STMIK Kaputama E-mail : magdalena.simanjuntak84@gmail.com ABSTRACT This study aimed to analyze
Lebih terperinciPENGARUH JUMLAH DAN KESALAHAN DATA ARUS LALU LINTAS TERHADAP AKURASI ESTIMASI MATRIKS ASAL TUJUAN (MAT) MENGGUNAKAN DATA ARUS LALU LINTAS
PENGARUH JUMLAH DAN KESALAHAN DATA ARUS LALU LINTAS TERHADAP AKURASI ESTIMASI MATRIKS ASAL TUJUAN (MAT) MENGGUNAKAN DATA ARUS LALU LINTAS Rusmadi Suyuti Mahasiswa Program S3 Pascasarjana Teknik Sipil ITB
Lebih terperinciANALISIS KEBUTUHAN PERANGKAT LUNAK
ANALISIS KEBUTUHAN PERANGKAT LUNAK Untuk Memenuhi Tugas Mata Kuliah Rekayasa Perangkat Lunak Dosen Pembimbing : Wachyu Hari Haji, S.Kom, MM Disusun Oleh : Fadhilla Eka Hentino / 41813120051 UNIVERSITAS
Lebih terperinciAPLIKASI PENGELOLAAN DAN PEMINJAMAN RUANGAN DI FAKULTAS ILMU TERAPAN, UNIVERSITAS TELKOM
ISSN : 2442-5826 e-proceeding of Applied Science : Vol.3, No.2 Agustus 2017 Page 600 APLIKASI PENGELOLAAN DAN PEMINJAMAN RUANGAN DI FAKULTAS ILMU TERAPAN, UNIVERSITAS TELKOM ROOM MANAGEMENT AND BOOKING
Lebih terperinciBAB I PENDAHULUAN. yang lainnya, maka dari itu dunia pendidikan sekarang mengalami
BAB I PENDAHULUAN 1.1 Latar Belakang Dengan adanya perkembangan teknologi yang sangat pesat, terutama di bidang teknologi dan informasi, maka berbagai macam perubahan terjadi dalam kehidupan kita, tidak
Lebih terperinci2. Tahapan Penelitian pemahaman merupakan awal proses penelitian
Metodologi Penelitian Rudi Susanto rudist87@gmail.com 086547296211 2. Tahapan Penelitian pemahaman merupakan awal proses penelitian Course Outline 1. Pengantar Penelitian 2. Tahapan Penelitian 3. Masalah
Lebih terperinciPERANCANGAN WEB JEJARING SOSIAL PENELUSURAN ALUMNI SEKOLAH TINGGI TEKNOLOGI GARUT
PERANCANGAN WEB JEJARING SOSIAL PENELUSURAN ALUMNI SEKOLAH TINGGI TEKNOLOGI GARUT Dani Ginanjar 1, Cepy Slamet 2, Erwin Gunadhi 3 Jurnal Algoritma Sekolah Tinggi Teknologi Garut Jl. Mayor Syamsu No. 1,
Lebih terperinciManajemen Proyek Sistem Informasi
Modul ke: 07 Fakultas Bambang FASILKOM Manajemen Proyek Sistem Informasi Dengan semakin banyaknya pekerjaan-pekerjaan bidang TI dan karakteristik TI itu sendiri akan menciptakan adanya proyek-proyek secara
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) CSG3A3 SISTEM INFORMASI Disusun oleh: Tim Dosen Sistem Informasi PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN Rencana
Lebih terperinciBAB 1 PENDAHULUAN. Dewasa ini e-commerce atau disebut juga penjualan secara online menjadi
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dewasa ini e-commerce atau disebut juga penjualan secara online menjadi aspek yang vital di hampir setiap bidang usaha, terutama pada bidang IT. E- commerce telah merubah
Lebih terperinciPERLUASAN DISTRIBUSI CHEN (DISTRIBUSI XTG)
PERLUASAN DISTRIBUSI CHEN (DISTRIBUSI XTG) Ana Zuliastuti 1, Sarini 2 1 Mahasiswa Departemen Matematika, FMIPA UI, Kampus UI Depok, 16424 2 Staff Pengajar Departemen Matematika, FMIPA UI, Kampus UI Depok,
Lebih terperinciBAB I PENDAHULUAN. hal proses pengolahan data, baik itu data siswa, guru, administrasi sekolah maupun data
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam dunia pendidikan, teknologi informasi sangat banyak membantu seperti dalam hal proses pengolahan data, baik itu data siswa, guru, administrasi sekolah maupun
Lebih terperinciPENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 5. Beberapa jenis Distribusi Variabel Acak Prima Kristalina April 215 1 Outline 1. Beberapa macam
Lebih terperinciPRODUK DAN PROSES. Aprilia Sulistyohati, S.Kom. Jurusan Teknik Informatika Universitas Islam Indonesia. Your Logo
PRODUK DAN PROSES Aprilia Sulistyohati, S.Kom Jurusan Teknik Informatika Universitas Islam Indonesia Your Logo PENGANTAR Apa yang dimaksud dengan PERANGKAT LUNAK? Apa yang dimaksud dengan REKAYASA PERANGKAT
Lebih terperinciPemodelan Data Besar Klaim Asuransi Kendaraan Bermotor Menggunakan Distribusi Mixture Erlang
Statistika, Vol. 17 No. 1, 45 51 Mei 2017 Pemodelan Data Besar Klaim Asuransi Kendaraan Bermotor Menggunakan Distribusi Mixture Erlang Indah permatasari, aceng komarudin mutaqin, lisnur wachidah Program
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dalam pembicaraan statistik, jawaban yang diinginkan adalah jawaban untuk ruang lingkup yang lebih luas, yakni populasi. Tetapi objek dari studi ini menggunakan sampel
Lebih terperinciISSN (Media Cetak) ISSN (Media Online) Implementasi Metode Eliminasi Gauss Pada Rangkaian Listrik Menggunakan Matlab
JITEKH, Vol, No, Tahun 27, -5 ISSN 28-577(Media Cetak) ISSN 2549-4 (Media Online) Implementasi Metode Eliminasi Gauss Pada Rangkaian Listrik Menggunakan Matlab Silmi, Rina Anugrahwaty 2 Staff Pengajar
Lebih terperinciUNIVERSITAS MERCU BUANA FAKULTAS : ILMU KOMPUTER PROGRAM STUDI : SISTEM INFORMASI
UNIVERSITAS MERCU BUANA FAKULTAS : ILMU KOMPUTER PROGRAM STUDI : SISTEM INFORMASI No. Dokumen Distribusi Tgl. Efektif RENCANA PEMBELAJARAN SEMESTER Mata Kuliah Kode Rumpun MK Bobot (SKS) Semester Tanggal
Lebih terperinciPERANCANGAN ENTERPRISE ARCHITECTURE PADA BIDANG PERENCANAAN DAN BIDANG KEUANGAN DI PT. PLN DISTRIBUSI JAWA BARAT MENGGUNAKAN FRAMEWORK TOGAF ADM
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 3403 PERANCANGAN ENTERPRISE ARCHITECTURE PADA BIDANG PERENCANAAN DAN BIDANG KEUANGAN DI PT. PLN DISTRIBUSI JAWA BARAT MENGGUNAKAN
Lebih terperinciPenyusunan Kurikulum S1 Teknik Informatika ITB Ayu Purwarianti, Ph. D.
Penyusunan Kurikulum S1 Teknik Informatika ITB Ayu Purwarianti, Ph. D. 1 Informatika Organisasi pada STEI STEI (Sekolah Teknik Elektro dan Informatika) 5 Program Studi Sarjana Teknik Informatika Sistem
Lebih terperinci2. Tahapan Penelitian
1 Course Outline 1. Pengantar Penelitian 2. Tahapan Penelitian 3. Masalah Penelitian 4. Literature Review 5. Struktur Penulisan Tesis 6. Kesalahan Penulisan Tesis 7. Metode Eksperimen 8. Pengujian Tesis
Lebih terperinciImplementasi Kalman Filter Pada Sensor Jarak Berbasis Ultrasonik
Implementasi Kalman Filter Pada Sensor Jarak Berbasis Ultrasonik Hendawan Soebhakti, Rifqi Amalya Fatekha Program Studi Teknik Mekatronika, Jurusan Teknik Elektro Politeknik Negeri Batam Email : hendawan@polibatam.ac.id
Lebih terperinciTujuan Perkuliahan. PENGANTAR RPL (Pert. 2 chapter 1 Pressman) Agenda. Definisi Software (Perangkat Lunak) Lunak) 23/09/2010
Tujuan Perkuliahan PENGANTAR RPL (Pert. 2 chapter 1 Pressman) Oleh : Sarwosri, S.Kom, M.T. Umi Laili Yuhana, S.Kom, M.Sc. Memberikan gambaran tentang perangkat lunak, rekayasa perangkat lunak. Memberikan
Lebih terperinciDETEKSI SIKLUS OVULASI WANITA DENGAN MONITORING SUHU BASAL TUBUH
DETEKSI SIKLUS OVULASI WANITA DENGAN MONITORING SUHU BASAL TUBUH Diah Risqiwati* 1, Nurimalita 2 1,2,3 Universitas Muhammadiyah Malang Kontak Person : Diah Risqiwati, Nurimalita e-mail: risqiwati@umm.ac.id
Lebih terperinciMASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG)
MASALAH NILAI AWAL ITERASI NEWTON RAPHSON UNTUK ESTIMASI PARAMETER MODEL REGRESI LOGISTIK ORDINAL TERBOBOTI GEOGRAFIS (RLOTG) Shaifudin Zuhdi, Dewi Retno Sari Saputro Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciImplementasi Metode Clustering DBSCAN pada Proses Pengambilan Keputusan
Implementasi Metode Clustering DBSCAN pada Proses Pengambilan Keputusan Ni Made Anindya Santika Devi, I Ketut Gede Darma Putra, I Made Sukarsa Jurusan Teknologi Informasi, Universitas Udayana Bukit Jimbaran,
Lebih terperinciBUSINESS INTELLIGENCE GUNA MENDUKUNG KEPUTUSAN STRATEGIS KETUA PROGRAM STUDI DENGAN MODEL FAST
BUSINESS INTELLIGENCE GUNA MENDUKUNG KEPUTUSAN STRATEGIS KETUA PROGRAM STUDI DENGAN MODEL FAST Hengki 1) 1) Program Studi Sistem Informasi STMIK Atma Luhur Jl. Jendral Sudirman, Selindung Baru, Kec. Gabek
Lebih terperinciIntegrasi Zachman Framework dan TOGAF ADM (Architecture Development Method)
INFORMATION SYSTEM FOR EDUCATORS AND PROFESSIONALS Vol.1, No. 2, Juni 2016, 157-166 E-ISSN: 2548-3587 157 Integrasi Zachman Framework dan TOGAF ADM (Architecture Development Method) Rully Pramudita 1,*,Nadya
Lebih terperinciPerencanaan Jadwal Perawatan Pencegahaan untuk Mengurangi Laju Biaya Pemeliharaan Komponen Bearing C3
Petunjuk Sitasi: Ginting, E., Tambunan, M., Sari, R. M., & Ginting, L. (2017). Perencanaan Jadwal Perawatan Pencegahaan untuk Mengurangi Laju Biaya Pemeliharaan Komponen Bearing 22208 C3. Prosiding SNTI
Lebih terperinciMENINGKATKAN KECEPATAN KOMPUTASI UNTUK PENGAMBILAN KEPUTUSAN (KLASIFIKASI) MELALUI REDUKSI DIGIT NUMERIK TAK SIGNIFIKAN
MENINGKATKAN KECEPATAN KOMPUTASI UNTUK PENGAMBILAN KEPUTUSAN (KLASIFIKASI) MELALUI REDUKSI DIGIT NUMERIK TAK SIGNIFIKAN Kuspriyanto, Samiran, Tri Aulat Junarwoto Sekolah Teknik Elektro dan Informatika
Lebih terperinciCHAPTER 12. DEVELOPING BUSINESS SYSTEM (SUMMARY)
Mata Kuliah : Sistem Informasi Manajemen Batas Pengumpulan : 04 Oktober 2013 Dosen: Dr. Ir. Arif Imam Suroso, MSc. Tanggal Penyerahan : 03 Oktober 2013 CHAPTER 12. DEVELOPING BUSINESS SYSTEM (SUMMARY)
Lebih terperinciPENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA
PENGENALAN OBJEK PADA CITRA BERDASARKAN SIMILARITAS KARAKTERISTIK KURVA SEDERHANA Dina Indarti Pusat Studi Komputasi Matematika, Universitas Gunadarma Jl. Margonda Raya no. 100, Depok 16424, Jawa Barat
Lebih terperinciPERANCANGAN SISTEM PENGELOLAAN PENANGGULANGAN BENCANA ALAM GARUT BERBASIS SISTEM INFORMASI GEOGRAFIS
PERANCANGAN SISTEM PENGELOLAAN PENANGGULANGAN BENCANA ALAM GARUT BERBASIS SISTEM INFORMASI GEOGRAFIS Rubi Setiawan 1, Dede Kurniadi 2, H. Bunyamin 3 Jurnal Algoritma Sekolah Tinggi Teknologi Garut Jl.
Lebih terperinciDISTRIBUSI PROBABILITAS DAN TERMINOLOGI KEANDALAN
#7 DISTRIBUSI PROBABILITAS DAN TERMINOLOGI KEANDALAN 7.1. Pendahuluan Pada pembahasan terdahulu, keandalan hanya dievaluasi sebagai suatu sistem rekayasa (engineering) dengan tidak menggunakan distribusi
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1 Diagram Alir Gambar 3.1 Diagram Alir Metodologi Penelitian 11 12 Gambar 3.1 Diagram Alir Metodologi Penelitian (Lanjutan) 3.2 Langkah-Langkah Pelaksanaan Penelitian Untuk
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1 Model Perumusan masalah dan Pengambilan Keputusan Model perumusan masalah dan pengambilan keputusan yanag digunakan dalam skripsi ini dimulai dengan melakukan observasi
Lebih terperinciKonsep Manajemen sebuah Proyek bisa difokuskan pada beberapa komponen berikut ini:
3 Konsep Manajemen Proyek Konsep Manajemen sebuah Proyek bisa difokuskan pada beberapa komponen berikut ini: 1. Sumber Daya Manusia The Players: 1. Senior Managers Mendefinisikan isu bisnis yang sangat
Lebih terperinciAnalisis Hubungan Proses Pembelajaran dengan Kepuasan Mahasiswa Menggunakan Logika Fuzzy
Scientific Journal of Informatics Vol. 2, No. 1, Mei 2015 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Analisis Hubungan Proses Pembelajaran dengan Kepuasan Mahasiswa
Lebih terperinciCOMPUTER SYSTEM ENGINEERING
COMPUTER SYSTEM ENGINEERING Computer system engineering (Rekayasa Sistem Komputer) terdiri atas 2 bagian, yaitu : Hardware engineering Software engineering Elemen-elemen Dari Sistem Berbasis Komputer 1.
Lebih terperinciREKAYASA PERANGKAT LUNAK. Ramadhan Rakhmat Sani, M.Kom
REKAYASA PERANGKAT LUNAK Ramadhan Rakhmat Sani, M.Kom ramadhan_rs@dsn.dinus.ac.id 085640989018 RENCANA KEGIATAN PERKULIAHAN SEMESTER W Pokok Bahasan 1 Pengenalan Teknologi Informasi 2 Konsep Sistem Komputer
Lebih terperinciPERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN
Feng PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK... 211 PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN Tan
Lebih terperinci